Digital versus conventional surveying for partially edentulous arches: an evaluation of accuracy and time efficiency
Notice bibliographique
Résumé
This diagnostic study evaluated the accuracy and time efficiency of digital surveying compared to the conventional method for partially edentulous arches.MATERIALS AND METHODS.Thirty Standard Tesselation Language (STL) files of partially edentulous arches were analyzed.Conventional surveying was performed on 3D-printed diagnostic casts, while digital surveying was conducted using CAD software (Dental Wings Inc., Straumann, Montreal, Canada).The path of insertion and removal, and determining factors (guiding planes, undercut areas, and reciprocation) were assessed.Sensitivity and specificity tests were used to measure accuracy.Sensitivity was defined as the proportion of true positives identified by both techniques, while specificity was measured as a percentage of true negatives compared with the conventional method.Accuracy was assessed as the ability to correctly differentiate true positives and negatives.The paired t-test (95% CI) compared the mean working time between the techniques.RESULTS.Agreement on reciprocation was 2.91 times higher in regions with a greater number of edentulous areas compared to those with fewer edentulous areas (P = .025).The agreement of guiding planes in tooth-supported abutments was 2.59 times greater than in distal extension cases (P = .031).Accuracy ranged from 0.73 to 0.85.The working time was significantly longer for the digital technique (P = .030).CONCLUSION.Both techniques demonstrated high levels of agreement, especially for reciprocation and guiding planes.The digital method exhibited accuracy ranging from good to very good; however, it required a longer working time compared to the conventional approach.[
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».